Logo do repositório

Percorrer por data de Publicação, começado por "2026-04-20"

Filtrar resultados por ano ou mês
A mostrar 1 - 2 de 2
  • Efetividade do controlo da dor em doentes submetidos ao transplante de células hematopoiéticas : Uma revisão sistemática da literatura
    Publication . Silva, Liliana Santos; Santos, Eduardo José Ferreira
    No âmbito da realização Unidade Curricular: Opção 8 – Estágio com Relatório Final em contexto de urgência/cuidados intensivos do Curso de Mestrado em Enfermagem Médico-Cirúrgica na Área da Pessoa em Situação Crítica, da Escola Superior de Saúde de Viseu do Instituto Politécnico de Viseu, foi redigido o presente relatório que tem como objetivo apresentar na sua primeira parte a componente prática com recurso ao método reflexivo e numa segunda parte a componente de investigação através de uma Revisão Sistemática da Literatura. Os estágios foram realizados na Unidade Local de Saúde (ULS) de Coimbra, nos serviços de Urgência e Medicina Intensiva com o objetivo de adquirir conhecimentos e competências, predominantemente da área médica e cirúrgica sobre intervenções de enfermagem face à pessoa com diversas patologias em situação de transição, a ser desenvolvido em contexto de trabalho nas unidades de saúde onde se desenvolvam práticas de enfermagem especializadas em respostas adequadas à pessoa em situação crítica. A revisão sistemática da literatura procurou evidenciar a efetividade do controlo da dor em doentes submetidos ao transplante de células hematopoiéticas, destacando quais as intervenções que visam melhorar a qualidade de vida destes doentes. Do ponto de vista profissional, este percurso académico, proporcionou um primeiro contacto real com a área da pessoa em situação crítica em cuidados intensivos e urgência, revelando-se um momento-chave para a definição da minha identidade enquanto profissional como futura Enfermeira Especialista. Palavras-chave: Enfermagem Médico-Cirúrgica; Pessoa em Situação Crítica; Enfermeira Especialista; Controlo da dor; Transplante de células hematopoiéticas; Revisão Sistemática da Literatura
    2026-04-20Dissertação de mestrado Acesso aberto Ver mais
  • Machine Learning Models for Detecting Chronic Disease Progression Based on VO2max: A Study Applied to Cardiovascular Diseases and Type 2 Diabetes
    Publication . Pina, Eduardo Manuel Abreu; Duarte, Rui Pedro Monteiro Amaro
    Chronic diseases, namely cardiovascular diseases and type 2 diabetes, remain the leading causes of mortality and morbidity around the world. The early detection and prevention of these conditions are crucial to improve health outcomes and reduce the burden on healthcare systems. Among existing health biomarkers, VO2max is a key feature traditionally used to evaluate individual performance during high in tensity activities. Moreover, there have been associations between VO2max levels and the presence of CVD and T2D. The appearance of wearable devices, such as smartwatches, enables the measurement of VO2max and other biomarkers, in a non invasive way, providing real time data for a reliable and validated set of information. The data obtained allows the implementation of machine learning models capable of predicting patterns and chronic disease progression. To this end, the project acqui sition of data using a Garmin Venu 2 Plus smartwatch, led to the creation of four datasets, with the help of OpenAI ChatGPT, due to the limited real world data collected for CVD and T2D assessment. These datasets comprised of data derived from the smartwatch and fully synthetic data to be benchmarked under different risk distributions. The feature selection technique using Recursive Feature Elimination identified VO2max, heart rate variability, sleep time, body mass index, respiration metrics, oxygen saturation and activity features as the most relevant features. The application of two supervised machine learning classification algorithms, SVM and LR, are evaluated, with SVM outperforming LR across both diseases. Notably, al though models trained on fully synthetic data showed a strong training performance, datasets derived from smartwatch data demonstrated a better generalisation dur ing testing. Overall, the results confirm the validity and effectiveness of combining non-invasive features with the application of machine learning models for chronic disease risk assessment, highlighting the importance of the application of realistic physiological data in predictive health monitoring systems.
    2026-04-20Dissertação de mestrado Acesso aberto Ver mais